Dit is inmiddels een wat traditionele benadering van Process Mining. Veel software is overigens nog wel op deze (wat beperkte) definitie gebaseerd en richt zich dus vooral op het ontdekken (‘process dissocieert’).
Hoewel in veel gevallen ingezet met de intentie om processen te verbeteren is het daadwerkelijk verbeteren voorbehouden aan de term ‘execution management’. Het is dus goed om in het achterhoofd te houden dat ‘discovery’ en ‘execution’ twee verschillende stromingen zijn. Je komt deze ‘knip’ zoals gezegd ook tegen in de beschikbare software. Een groot deel is gericht op ‘discovery’. Een klein – maar daardoor juist zeer waardevol aandeel richt zich als platform ook op ‘execution’. Nog specialistischer wordt het als een platform niet alleen data consumeert maar ook AI Machine Learning inzet om inzichten te verkrijgen en met deze inzichten intelligente automatisering te orchestreren. Het Celonis EMS is een voorbeeld van een volledig Process Mining en Execution Management System.
Het is echter zo dat Process Mining faciliteert in het ontdekken en monitoren van het process. De uiteindelijke verbeteringen vallen strikt genomen onder ‘execution management’. Wij gebruiken daarnaast de term ‘Intelligent Automation’. Daarmee doelen we op de oplossingen die we ontwikkelen met behulp van Celonis, de AI Machine Learning engine en de Automation Apps.
Process Mining maakt als het ware een ‘X-ray’ oftewel een röntgenfoto van het feitelijke process. Het visualiseert daarmee alle varianten, vertraging, frictie, doorlooptijden, etc. Je krijgt dus een enorm goed en vooral volledig objectief overzicht van het werkelijke procesverloop. Dit vertaalt zich naar ‘actionable insights’. Oftewel inzichten die je kunt inzetten en waar je bijvoorbeeld intelligent automatisering voor kunt ontwikkelen.
De inzichten die je verkrijgt met process mining helpen je om heel gericht je processen te gaan verbeteren, frictie weg te nemen en daarmee je executie capaciteit te optimaliseren en/of vergroten. Oftewel; je kunt efficiënter, effectiever en schaalbaar opereren.
Er zijn legio voorbeelden van toepassingen. Een veelgebruikte inzet is rondom case management en customer service management. Andere voorbeelden tref je binnen Sales, HR, IT, GRC en Marketing
Om met Process Mining aan de slag te gaan heb je vooral data nodig. Dit noemen we ook wel ‘event-data’ of een ‘event-log’. Dit is een dataset die minimaal de volgende drie kolommen bevat:
Met deze minimale set kun je een proces (automatisch) visualiseren. Het geeft je inzicht in de doorlooptijden, varianten, connecties, etc. Wil je echter serieus met Process Mining aan de slag dan is meer data natuurlijk noodzakelijk. De data worden vervolgens ingezet om enerzijds de analyses beter uit te voeren, en vooral om een vollediger beeld te schetsen. Anderzijds kun je met de data intelligent automation inrichten of bijvoorbeeld RPA tripleren. Deze vormen van automatiseren stellen je in staat om de processen daadwerkelijk te optimaliseren en daarmee executie capaciteit vrij te spelen, een betere dienstverlening te realiseren en vooral schaalbaar te opereren.
